High-Quality Synthetic Financial Time-Series using a GAN-Diffusion Framework

Resumen Técnico: Series Temporales Financieras Sintéticas de Alta Calidad mediante un Marco GAN–Difusión

Planteamiento del Problema
Las instituciones financieras dependen cada vez más de datos sintéticos para abordar la escasez de datos, las restricciones de privacidad y la necesidad de escenarios de mercado contrafactuales. Sin embargo, las arquitecturas generativas de propósito general existentes luchan por reproducir las propiedades estadísticas específicas de las series temporales financieras, conocidas como "hechos estilizados" (por ejemplo, distribuciones de colas pesadas, agrupamiento de volatilidad). Una limitación crítica en los enfoques actuales es la incapacidad de modelar con precisión la dinámica de correlación entre activos. Aunque algunos modelos intentan aprender dependencias de características, a menudo descuidan la generación simultánea de múltiples activos correlacionados, lo que da lugar a datos sintéticos que carecen de las estructuras de correlación realistas esenciales para la gestión de riesgos de cartera y el análisis de diversificación. Además, muchos modelos existentes son computacionalmente costosos, generan únicamente secuencias de longitud fija o no capturan la dinámica conjunta de precio y volumen.

Metodología
Los autores proponen un marco generativo consciente de la calidad que integra una Red Generativa Antagónica Condicional de Wasserstein (C-WGAN) con Modelos de Difusión. El enfoque se estructura en dos fases principales:

1. CoMeTS-GAN (GAN de Series Temporales Multivariantes Correlacionadas):

   • Arquitectura: El núcleo es una C-WGAN que consta de un Generador ($G$) y un Crítico ($C$). El Generador emplea una serie de bloques convolucionales temporales con tamaños de dilatación crecientes y una capa lineal final para producir series temporales multivariantes (precios medios y volúmenes) para $n$ acciones correlacionadas. Utiliza generación autorregresiva para crear secuencias de longitud arbitraria.
   • Condicionalidad: El modelo toma como entrada pasos temporales pasados ($\mathbf{x}_{past}$) y un vector de ruido ($\mathbf{z}$), aumentados con incrustaciones temporales derivadas de codificaciones posicionales sinusoidales para capturar la dinámica temporal.
   • Diseño del Crítico: El Crítico evalúa el realismo de las muestras generadas a través de dos salidas distintas:
     • $o_1$: Una puntuación de realismo estándar derivada de capas convolucionales y lineales.
     • $o_2$: Una puntuación de correlación calculada por una capa lineal dedicada que procesa los coeficientes de correlación de Pearson de todos los pares de precios medios y volúmenes ($\binom{2n}{2}$ pares).
   • Objetivo: La puntuación final del Crítico es una suma ponderada $o = o_1 + \alpha \cdot o_2$. Esto obliga al Generador a minimizar la distancia de Wasserstein mientras aprende explícitamente a reproducir las estructuras de correlación cruzada de los datos de entrenamiento.

2. Generación de Difusión Guiada por Crítico:

   • El Crítico entrenado de CoMeTS-GAN se reutiliza como un módulo de guía para un Modelo de Difusión preentrenado (específicamente DiffTime).
   • Mecanismo: Durante el proceso de muestreo de difusión (eliminación de ruido), el gradiente de la salida del Crítico con respecto a la muestra de entrada se utiliza para dirigir la generación. La función de puntuación modificada se define como $\tilde{s} = s(\mathbf{x}_t, t) + w \cdot \nabla_{\mathbf{x}_t} D(\mathbf{x}_t)$, donde $w$ modula la fuerza de la guía.
   • Función: Esto permite que el modelo de difusión aproveche la comprensión aprendida por la GAN sobre el realismo de la correlación para mejorar la calidad de las muestras generadas sin volver a entrenar el propio modelo de difusión.

Contribuciones Clave

• Arquitectura CoMeTS-GAN: Una C-WGAN ligera diseñada específicamente para series temporales financieras multivariantes que genera conjuntamente precios y volúmenes. Introduce una nueva métrica de distancia de correlación cruzada dentro del Crítico para imponer dependencias realistas entre activos.
• Estrategia de Difusión Guiada por Crítico: Un método para integrar un Crítico de GAN entrenado en modelos de difusión de última generación. El Crítico actúa como un clasificador sustituto, guiando el proceso de eliminación de ruido para imponer estructuras de correlación aprendidas, creando así una pipeline de generación consciente de la calidad.
• Evaluación Exhaustiva: El marco se valida frente a modelos generativos líderes (por ejemplo, TimeGAN, COSCI-GAN, GT-GAN) tanto en benchmarks sintéticos como en datos reales del mercado de valores (incluido el índice DJIA).
• Simulación Contrafactual: El marco demuestra la capacidad de simular escenarios de "qué pasaría si", como desplazar la dinámica de correlación entre activos (por ejemplo, invertir la correlación entre Coca-Cola y Pepsi de positiva a negativa) o reaccionar a choques de precios de una manera que preserve las dependencias entre activos.

Resultados

• Hechos Estilizados: Los datos generados replican con éxito los hechos estilizados financieros clave, incluidas distribuciones de retornos de colas pesadas, normalidad agregacional, la ausencia de autocorrelación lineal en los retornos y agrupamiento de volatilidad. También captura la correlación positiva entre el volumen de negociación y la volatilidad.
• Fidelidad de Correlación: El análisis cuantitativo utilizando la distancia de correlación cruzada y la distancia de Wasserstein muestra que CoMeTS-GAN supera significativamente a los modelos de propósito general (como COSCI-GAN y GT-GAN) en la preservación de las estructuras de correlación de pares de acciones reales (por ejemplo, KO-PEP, NVDA-KSU).
• Escalabilidad y Eficiencia: El modelo puede generar series temporales de longitud arbitraria (hasta 24 días de negociación) mediante autorregresión, una capacidad que carecen muchos modelos existentes. El entrenamiento es eficiente (aprox. 4 horas y 20 minutos) en comparación con alternativas complejas como TimeGAN (aprox. 39 horas).
• Reactividad: En experimentos de perturbación, el modelo demostró la capacidad de propagar choques de precios a través de activos correlacionados, ajustando la generación de acciones no perturbadas para mantener dinámicas de correlación realistas.
• Guía de Difusión: Aplicar el Crítico como guía al modelo DiffTime redujo sustancialmente la distancia de Wasserstein entre las distribuciones de correlación sintéticas y reales, confirmando que el Crítico de la GAN mejora eficazmente el realismo de los datos generados por difusión.

Significado
El artículo afirma que su marco ofrece una solución ligera y receptiva para la simulación realista del mercado de valores que modela explícitamente las estructuras de correlación entre activos. Al combinar la velocidad y el manejo de restricciones específicas del dominio de las GANs con la alta fidelidad de la calidad de las muestras de los Modelos de Difusión, los autores demuestran una vía para generar datos financieros sintéticos de alta calidad que superan las limitaciones de las arquitecturas de propósito general existentes. La capacidad de reutilizar un Crítico de GAN entrenado para guiar modelos de difusión sugiere un enfoque flexible para mejorar los modelos generativos en dominios específicos sin el costo computacional de volver a entrenar grandes redes de difusión. El trabajo tiene como objetivo facilitar una mejor evaluación de riesgos, construcción de carteras y análisis contrafactual en aplicaciones financieras donde la privacidad y la escasez de datos son restricciones.